EARL：面向知识图谱问答的联合实体与关系链接
人工智能
2018-06-26 v4 计算与语言
摘要
许多基于知识图谱的问答系统依赖实体与关系链接组件，以将自然语言输入连接到底层知识图谱。传统上，实体链接与关系链接要么作为依赖的顺序任务执行，要么作为独立的并行任务执行。本文提出一个名为 EARL 的框架，将实体链接与关系链接作为联合任务执行。EARL 实现了两种不同的解决策略，本文对其进行了对比分析：第一种策略将联合实体与关系链接任务形式化为广义旅行商问题（GTSP）的一个实例。为在计算上可行，我们采用近似 GTSP 求解器。第二种策略利用机器学习来发掘知识图谱中节点间的连接密度，其基于三个基础特征与重排序步骤来预测实体与关系。我们对比了这些策略，并在一个含 5000 个问题的数据集上进行了评估。两种策略均显著优于当前最先进的实体与关系链接方法。
引用
@article{arxiv.1801.03825,
title = {EARL: Joint Entity and Relation Linking for Question Answering over Knowledge Graphs},
author = {Mohnish Dubey and Debayan Banerjee and Debanjan Chaudhuri and Jens Lehmann},
journal= {arXiv preprint arXiv:1801.03825},
year = {2018}
}
备注
International Semantic Web Conference 2018